基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測.pdf

1、配準(zhǔn)和變化檢測是遙感圖像處理的重要組成部分，精確的配準(zhǔn)是變化檢測的前提。論文提出了一種SAR圖像相干斑噪聲抑制方法，研究了基于圖像灰度和圖像特征的兩種配準(zhǔn)方法，又針對變化檢測結(jié)果易被噪聲干擾的問題以及變化檢測結(jié)果總是受分布模型約束的局限性，提出了兩種變化檢測方法。
　　(1)相干斑噪聲嚴(yán)重影響了SAR圖像的質(zhì)量，降低了圖像的空間分辨率，隱藏了圖像的精細(xì)結(jié)構(gòu)，使SAR圖像的可解譯性變差。噪聲嚴(yán)重時，甚至可導(dǎo)致圖像特征消失。因此消除相

2、干斑噪聲對SAR圖像的配準(zhǔn)和變化檢測等后續(xù)操作有著重要的意義。多尺度幾何分析Wedgelet變換可以良好逼近線目標(biāo)，但過分平滑面區(qū)域，使圖像丟失過多的紋理信息。由此，提出了一種基于Wedgelet結(jié)合對偶樹復(fù)小波變換（Dual Tree Complex Wavelet Transform，DTCWT）的SAR圖像相干斑噪聲抑制方法，利用MSP-ROA算子，使用邊緣增強的局部均值和中值濾波器來達(dá)到平滑SAR斑點噪聲的同時保留邊緣的目的。實

3、驗結(jié)果表明，該方法在顯著減少斑點噪聲的同時可以保留SAR圖像更多的邊緣結(jié)構(gòu)。
　　(2)提出了一種基于互信息測度和多智能體優(yōu)化的SAR圖像配準(zhǔn)方法。該方法直接使用歸一化的基于圖像灰度的互信息測度作為匹配準(zhǔn)則，不對圖像組進(jìn)行預(yù)處理，使用多智能體優(yōu)化算法通過尋優(yōu)操作來得到最終的配準(zhǔn)結(jié)果。多組實驗結(jié)果數(shù)據(jù)表明，該方法配準(zhǔn)SAR圖像普適性和配準(zhǔn)精度都很好。
　　(3)為了提高不同模態(tài)遙感圖像組的配準(zhǔn)精度，提出了一種基于最優(yōu)圖像特征點

4、選取的多模配準(zhǔn)方法。首先手動向待配準(zhǔn)圖像（測試圖像）和參考圖像輸入控制點，利用高斯差分算子確定測試圖像極值點;再利用投影變換和最小線性平方差算法計算雙邊平均配準(zhǔn)誤差;最后根據(jù)配準(zhǔn)誤差自動對控制點進(jìn)行亞像素調(diào)整，取得亞像素級控制點匹配，實現(xiàn)遙感圖像精確配準(zhǔn)。實驗結(jié)果表明，該方法大大提高了配準(zhǔn)精度，可以滿足遙感數(shù)據(jù)進(jìn)一步解譯的需要。
　　(4)針對圖像變化檢測結(jié)果會受到噪聲干擾的問題，構(gòu)造小波域多層差異影像，結(jié)合基于統(tǒng)計模型的瑞利高斯

5、閾值法提取變化檢測結(jié)果，既提高了原有圖像信息的利用率又減少了噪聲的干擾。除此之外，為了減輕小波變換帶來的圖像細(xì)小偏移對算法精度的影響，通過插值算法對小波變換后的圖像進(jìn)行校正，改善了方法的性能。為減少運算量，運用免疫克隆優(yōu)化來搜索需要矯正的偏移量。實驗結(jié)果數(shù)據(jù)表明，該方法提高了圖像變化檢測的精度。
　　(5)構(gòu)造差異影像并利用統(tǒng)計模型結(jié)合圖像分割分類技術(shù)得到變化結(jié)果的方法較多，但是這類方法的缺點就是過于依賴模型參數(shù)的設(shè)定，如果待檢測